中国东部地区青年女性人体体型分类

2021-01-04余佳佳

纺织学报 2020年5期

余佳佳，李健

(北京服装学院服装艺术与工程学院，北京 100029)

人体作为服装的载体，在接受服装保护与美化的同时也决定着服装的造型及构成。研究人体体型，即通过分析人体各部位之间的尺寸、形态关系，掌握各体型特点，对服装设计及相关产品的研究具有非常重要的意义。

已有研究中，申亚楠[1]以身体质量指数(BMI)和身胸比为人体体型特征变量，对中小学生体型进行分类。王祺明[2]将人体胸部、腰部、臀部截面面积与其周长平方的商作为特征变量，将女性体型细分为扁体型、中间体型、圆体型。金娟凤等[3]利用冒泡排序法对人体肩部特征点进行自动提取，基于肩部特征点进行肩部横截面形态分析，利用聚类分析和方差分析将人体肩部分为4类。蔡倩云[4]通过计算女性人体截面中心点到所对应截面边界的向量模长模量对女性上体进行分类。姚怡等[5]基于人体前后中心线、胸点、背突点、臀突点的矢状面曲线以及人体肩部、侧缝处冠状面曲线对人体纵截面体型进行分类；Lee Nahm Sik等[6]利用三维傅里叶描述子对人体横截面轮廓进行提取，通过分层聚类对人体体型进行聚类分析；Young Lim Choi等[7]利用体表角对人体侧面形态进行描述，将人体侧面分为了4类；Mi Kyung Yoon等[8]基于三维空间向量方向角对男性人体上半身形态进行分类。

上述研究利用不同方法针对不同目的进行体型分类研究，取得了不同的成果，但从方法上看，多基于单一的人体截面形态特征或人体尺寸特征来进行人体体型分析，而将形态特征与尺寸特征结合进行人体体型的研究较少，并不能从整体的、三维的层面对人体体型进行准确描述。本文将乳下围扁平率作为人体体型分类的形态指标，结合身腰比、胸腰差、臀腰差等尺寸特征指标，通过分层聚类的方法对人体体型进行分类研究。

1 数据采集和预处理

1.1 人体数据采集

1.1.1 实验对象

考虑体型划分结果后期在网络定制等方面的应用，本文将各地区经济发展情况纳入考量，依据中国东部地区省份划分方法[9]，选取籍贯及生长地在北京、天津、河北、山东、江苏、上海、浙江、福建、广东9个省市的20～35岁青年女性作为实验对象。根据GB/T 22187—2008《建立人体测量数据库的一般要求》中人体测量最小样本量计算方法，计算出本文实验所需最小样本量为131人。样本采集量为412人。

1.1.2 人体数据测量项

参考GB/T 16160—2017《服装用人体测量的尺寸定义与方法》进行人体测量项目的确定。选取身高、下颌点高、前颈窝点高等共计18项作为高度测量项；选取颈根围、胸围、乳下围等共计10项作为围度测量项；选取颈根宽、乳点间距、乳点位宽等共计14项作为宽度测量项；选取颈根厚、乳头点位厚、胸围位中心厚等共计12项作为厚度测量项；选取背长、颈侧点-肩胛骨上部后突点、后长、等共计12项作为实长测量项。最终获取高度、围度、宽度、厚度、实长共计66项测量项。

1.1.3 测量方法

本文实验主要采用三维扫描测量法，利用德国HumanSolutions/VITUS SMART XXL三维人体扫描仪进行三维数据的获取。对于手工和三维数据一致性[10]欠佳的乳点位宽、乳下围位宽、腰围位宽、臀围位宽、小腿最突点位宽、小腿最小围位宽、肩幅等项目用马丁测量法进行补充测量。

1.1.4 实验条件及要求

实验环境温度为(27±3) ℃，湿度为(60±10)%。根据GB/T 23698—2009《三维扫描人体测量方法的一般要求》，志愿者穿着肉色计测文胸及短裤，头部佩戴弹性计测帽，测量时立于人体站姿定位板，目视前方，自然呼吸。本文实验所有测量条件和着装完全一致。

1.1.5 数据获取

选取一名经专业人体测量培训的测量人员对样本进行特征点标识，用HumanSolutions三维扫描仪对样本进行全身扫描，获取人体点云数据；借助日本TTM马丁计测仪和莱赛激光的LSG 649SPD-3激光标线仪对补测项目进行手工测量。利用Rpiadform XOR逆向工程软件对三维扫描人体点云数据进行异常点云删除、点云封装、断面修正、搭桥补洞等步骤，获取完整的三维人体模型，在软件中根据标识点对各部位尺寸进行手动测量。取3次测量结果均值作为对应部位测量值。

1.2 数据预处理

对数据进行奇异值检验及正态检验。对问题数据进行查验和处理，最终获取有效样本407人。所测项目符合正态分布。

2 青年女性人体体型特征变量提取

2.1 人体数据因子分析

将所得人体数据利用SPSS进行因子分析，分析比较各因子特征值及累积贡献率，确定最佳因子提取数。如表1所示，最终提取7个主成分对人体体型特征进行描述，累积贡献率为83.519%。

表1 人体数据因子分析结果Tab.1 Analysis results of human data factor

利用最大方差法对因子载荷矩阵进行旋转，得到各成分所包含的变量信息，根据同一成分中所包含的变量共性，对成分进行命名。

第1主成分为人体丰满度因子，贡献率为44.76%。包含腰围、乳下围位厚、乳下围、腰围位厚等表征人体丰满度的变量。

第2主成分为人体高度因子，贡献率为22.85%。包含后腋点高、乳下围位高、前腋点高、前颈窝点高等表征人体高度的变量。

第3主成分为人体小腿因子，贡献率为4.31%。包含小腿最小围、小腿最小围位厚、小腿最小围位宽(右)、小腿最突围厚等表征人体小腿形态的变量。

第4主成分为人体下肢宽度因子，贡献率为3.56%。包含变量臀围位宽、臀沟位宽(右)、膝围位宽(右)。

第5主成分为人体躯干因子，贡献率为3.35%。包含后长、前中心长、前长、背长。

第6主成分为人体肩部因子，贡献率为2.71%。包含变量肩宽2(SNP-SP2)、肩宽1(SNP-SP1)、肩幅(SP1)。

第7主成分为人体前腋点因子，贡献率为1.99%。包含两腋点间实长(前)、前腋点位宽。

2.2 人体尺寸特征变量提取

对所获取的7个主成分进行双变量相关性分析，取相关系数均值最大且具有测量便捷性的变量作为人体尺寸特征变量用于后期体型分类。

通过双变量相关性分析结果，确定将腰围、乳下围、腹部前突点围、胸围、体重、臀围作为人体丰满度因子特征变量；将身高作为人体高度因子特征变量，将小腿最突围作为人体小腿因子特征变量，将臀沟位宽(右)作为人体下肢宽度特征变量，将后长、前长作为人体躯干因子特征变量，将肩宽1(SNP-SP1)和肩宽2(SNP-SP2)作为人体肩部因子特征变量。上述提取的尺寸特征变量相关系数均值均∈(0.8,1.0)，即与其他变量具有极强相关性，同时测量数据容易获取，能够表达原样本大部分的信息。此外，由于人体前腋点因子的贡献率较低，通过提取并验证后，体型的分类不理想，所以最终不对该成分进行特征变量的提取。

2.3 人体整体形态特征变量提取

基于GB/T 1335.2—2008《服装号型女子》中的体型分类方法，对女性臀沟以上部位进行体型分析，通过增加人体整体形态特征变量，对人体体型进行全面描述。

结合所提取的人体尺寸特征变量，选用如表2所示的体质指数、高瘦指数、丰满指数、圆度指标作为人体体型形态指标对人体整体形态进行描述。其中，选用体质指数中的BMI和肥胖度作为辅助指标，协助进行人体高瘦指数的选择。

表2 人体整体形态特征变量Tab.2 Characteristic variable of overall somatotype

高瘦指数用以表征人体的高瘦或矮胖。基于所提取的丰满度因子及高度因子特征变量，派生出身胸比、身腰比、身臀比，并分别与BMI及肥胖度的综合相关关系系数进行对比。经比较，选择与体质指数综合相关性最强的身腰比作为衡量人体高瘦或矮胖的高瘦指数。

丰满指数用以表征人体围度方向上的形态特征。基于所提取的丰满度因子特征变量，可派生出胸腰差、胸腹差、腰腹差、臀腰差、臀腹差。考虑到后期测量的便捷性及准确性，将胸腰差、臀腰差作为描述人体整体形态的丰满指数特征变量。

圆度指标用以表征人体躯干圆度、扁度。对胸围、乳下围、腰围、腹部前突点围、臀围扁平率进行相关性分析，求各扁平率相关系数均值。由结果可知，乳下围扁平率的相关系数均值最大，与其他扁平率相关性较强，能较好代表人体胸部至臀部的整体扁平情况。同时，从人体结构上看，乳下围部位形态由人体胸骨、肋骨共同决定，相较于其他部位扁平率更能准确地体现人体的扁平程度，因此将乳下围扁平率选作描述人体整体扁平率的形态特征指标。

综上，提取身腰比、胸腰差、臀腰差以及乳下围扁平率作为人体整体形态特征变量。

3 青年女性人体体型分类

3.1 人体体型特征变量聚类分析

对人体体型特征变量进行分层聚类分析，根据分类结果及综合因素确定最佳聚类数，并依据所分类内样本特征对各类进行特征命名。

以乳下围扁平率作为形态特征变量进行第1层聚类。比较各聚类数，将测量样本聚为3类，如表3所示。

表3 乳下围扁平率聚类中心Tab.3 Clustering center of under-bust flatness ratio

比较表3中各乳下围扁平率聚类中心，将第1类乳下围扁平率命名为正常组；第2类乳下围扁平率聚类中心较其他2类聚类中心小，将其命名为圆体组；第3类乳下围扁平率聚类中心较其他2类聚类中心大，将其命名为扁体组。

基于第1层聚类结果，以身腰比、胸腰差、臀腰差作为尺寸特征变量，选用K-Means对不同组别测量样本进行第2层聚类。为预先确定聚类数目，利用混合F统计量[11]均值对最佳聚类数目进行讨论。具体计算公式如下：

(1)

(2)

由式(1)、(2)可知，当Fm的值越大，类内样本联系越紧密，不同类间样本联系越疏远。然而，由于倒数加权致使数值较小的F(k)值对最终的Fm计算值影响过大，为能同时满足适用于多维变量且能使最终的F统计量能够较为均衡的体现各变量F值影响的要求，对Fm进一步求均值，进而确定最佳聚类数。具体计算公式如下：

(3)

同时，依据前人研究结果[12]，聚类数c的范围应处在2≤c≤int，即正常体组女性样本量为169，聚类数应在[2，13]取得；圆体组女性样本量为170，聚类数应在[2，13]取得；扁体组女性样本量为68，聚类数应在[2，8]取得。根据式(3)计算各组不同聚类数目的Fam值并考虑实际分类效果，最终将正常体女性体型分为6类，圆体女性体型分为4类，扁体女性体型分为4类，共14类。

计算各体型特征变量的均值，并以此为基准分别向两侧进行等距范围划分，得到体型特征变量取值范围。结合各体型特征变量均值及实际操作需求对范围进行微调，得到适用于实际操作的特征变量取值范围并进行命名。具体数值如表4～7所示。其中：v、w、u、倒v、n、m分别表示人体上身或下身丰满情况；S胸腰差代表胸腰差正常体；S臀腰差代表臀腰差正常体。此外，为使所取范围适用于实际应用，对臀腰差范围进行二次调整。

表4 乳下围矢径比取值范围Tab.4 Range of under-bust flatness ratio cm

表5 身腰比取值范围Tab.5 Range of ratio of height-waist cm

表6 胸腰差取值范围Tab.6 Range of ratio of chest-waist difference cm

表7 不同体型臀腰差取值范围Tab.7 Range of ratio of hip-waist difference cm

综合不同乳下围扁平率的青年女性体型分类情况，对分类所得14类体型进行命名。规定正常体用C表示，圆体用R表示，扁体用B表示。x代表上半身丰满指数为v型(或w型)和下半身丰满指数为倒v型组合形成的体型，H代表上半身丰满指数为u型和下半身丰满指数为n型(或m型)组合形成的体型。S代表上半身和下半身丰满指数为正常体组合形成的体型。根据各体型所对应肥胖指数、上身丰满指数、下身丰满指数，对14类青年女性人体体型特征进行描述。具体体型特征分布情况如表8所示。

表8 体型特征分布表Tab.8 Features of somatotype

第1类：Cv体型，身材标准，胸部较丰满，胸部至腰部呈v型，腰部至臀部呈标准体型。

第2类：Cu体型，身材标准，胸部较平，胸部至腰部呈u型，腰部至臀部呈标准体型。

第3类：CS体型，标准体型。

第4类：Cx体型，身材标准，整体呈x型，胸臀丰满，腰部纤细，胸部至腰部呈v型，腰部至臀部呈倒v型。

第5类：C倒v体型，身材标准，臀部较丰满，胸部至腰部呈标准体型，腰部至臀部呈倒v型。

第6类：Cn体型，身材偏胖，腰臀部较丰满，胸部至腰部呈标准体型，腰部至臀部呈n型。

第7类：Rx体型，圆体身材，整体呈x型，胸臀丰满，胸部至腰部呈v型，腰部至臀部呈倒v型。

第8类：Rn体型，身材圆胖，腰臀部较丰满，胸部至腰部呈标准体，腰部至臀部呈n型。

第9类：RS体型，圆体标准体型。

第10类：RH体型，身材圆胖，整体呈H型，胸部至腰部呈u型，腰部至臀部呈m型。

第11类：Bx体型，扁体身材，整体呈x型，胸臀丰满，腰部纤细，胸部至腰部呈v型，腰部至臀部呈倒v型。

第12类：Bw体型，扁体身材，胸部丰满，腰部纤细，胸部至腰部呈w型，腰部至臀部呈标准体型。

第13类：BS体型，扁体标准体型。

第14类：B倒v体型，扁体身材，臀部丰满，胸部至腰部呈标准体型，腰部至臀部呈倒v型。

3.2 人体体型分类结果验证

通过多因素方差分析，对各类体型的独立性进行检验。以身腰比、胸腰差、臀腰差为变量分别对正常体、圆体、扁体进行多元方差分析，检测不同体型间各特征变量在显著性水平0.05情况下的显著性。以表9所示圆体检验结果为例，表中显著性水平均Sig.小于0.05，说明圆体不同体型间身腰比、胸腰差、臀腰差存在显著差异。同理可证，正常体、扁体所分体型特征变量间存在显著性差异。由此说明以乳下围扁平率、身腰比、腰臀差、臀腰差为特征变量所分的14类人体体型具有较强的独立性。